TL;DR
Ny modell: Google DeepMind ga ut Gemini Robotics-ER 1.6, en nedfelt resonneringsmodell som gjør det mulig for roboter å lese industrielle instrumenter autonomt. Nøkkelfunksjoner: Boston Dynamics’ Spot-robot kan nå tolke trykkmålere, termometre og digitale avlesninger i anlegg ved å bruke modellens agentsynssystem. Utviklertilgang: Modellen er tilgjengelig gjennom Gemini API og Google AI Studio, og skifter fra begrenset testertilgang til bred offentlig tilgjengelighet. Sikkerhetsfokus: DeepMind beskriver ER 1.6 som den sikreste robotmodellen, med forbedret oppfatning av skaderisiko og innebygde fysiske manipulasjonsbegrensninger.
Boston Dynamics’ Spot-robot kan nå autonomt lese trykkmålere, termometre og digitale avlesninger i industrianlegg, drevet av Google DeepMinds nye Gemini Robotics-ER 1.6-modell. Denne egenskapen, utviklet gjennom et samarbeid annonsert på CES 2026, markerer et skifte fra laboratoriefokusert romlig resonnement til praktisk industriell distribusjon.
Gemini Robotics-ER 1.6 er tilgjengelig for utviklere via Google Studio og en Gemini-utvikler. Colab som inneholder konfigurasjonseksempler. Spot, utplassert i mer enn 40 land, kan besøke instrumenter i hele anlegg og ta bilder som ER 1.6 kan tolke. Denne arbeidsflyten erstatter en prosess som for øyeblikket krever at menneskelige teknikere går planlagte ruter og manuelt registrerer målerverdier.
“Muligheter som instrumentlesing og mer pålitelig oppgaveresonnement vil gjøre det mulig for Spot å se, forstå og reagere på virkelige utfordringer helt autonomt.”
Marco da Silva, visepresident og daglig leder for Spot i Boston Dynamics (via demonstrerer forbedrede romlige resonnementstandarder over både forgjengeren ER 1.5 og Gemini 3.0 Flash på tvers av romlige og fysiske resonneringsoppgaver, inkludert peking, telling og suksessdeteksjon. I en pekende referansedemonstrasjon identifiserte ER 1.6 2 hammere, 1 saks, 1 malerkost og 6 tenger korrekt, mens han avsto fra å peke på fraværende gjenstander som en trillebår og en Ryobi-drill. Som et resonnementslag på høyt nivå kaller modellen innfødte verktøy som Google Søk, visjon-språk-handlingsmodeller og brukerdefinerte funksjoner gjennom en verktøykallingsarkitektur som Google først gjorde tilgjengelig for utviklere i juni 2025.
Instrumentlesing er avhengig av det DeepMind kaller resonneringsagentkombinering av systemsyn med visuell kode. I stedet for bare å gjenkjenne et bilde, tolker ER 1.6 det romlige oppsettet til en måler, identifiserer skalaen og pekerposisjonen, og kjører kode for å beregne en nøyaktig avlesning. Når den presenteres med en sirkulær trykkmåler, må modellen analysere urskivens bue, nummereringssystem og hvor nålen sitter i forhold til markeringene før den produserer en numerisk verdi.
Hvordan de ulike elementene i Gemini Robotics-ER 1.6 bidrar til å nå et høyt ytelsesnivå på instrumentleseoppgaven. (Kilde: Google)
Agentic vision er ny i versjon 1.6; forgjengeren støtter det ikke, noe som betyr at instrumentleseevalueringer kun kan kjøres på den nyeste modellen. ER 1.6 leser sirkulære trykkmålere, vertikale nivåindikatorer og moderne digitale avlesninger. Utover instrumentlesing, spesialiserer modellen seg på visuell og romlig forståelse, oppgaveplanlegging og suksessdeteksjon – funksjoner som robotapplikasjoner trenger for å operere uten konstant menneskelig tilsyn.
DeepMinds tilnærming integrerer resonnement i selve persepsjonssløyfen i stedet for å behandle persepsjon og handling som separate problemer. Ved å forene det en robot ser med det den bestemmer seg for å gjøre, kan ER 1.6 justere oppførselen i sanntid etter hvert som forholdene i omgivelsene endres. Denne designfilosofien skiller den fra utførelsesfokuserte robotikk AI-systemer.
[innebygd innhold]
Oljeraffinerier, kjemiske anlegg og kraftproduksjonsanlegg vedlikeholder vanligvis hundrevis eller tusenvis av analoge målere som krever regelmessig visuell inspeksjon. Automatisering av denne arbeidsflyten med Spot og ER 1.6 kan muliggjøre kontinuerlig overvåking uten ekstra bemanning, fange opp unormale avlesninger mellom menneskelige inspeksjonsrunder og redusere planleggingshullene som manuelle prosesser introduserer. For anleggsoperatører er forslaget direkte: færre tapte avlesninger, raskere oppdagelse av uregelmessigheter og lavere lønnskostnader på de repeterende inspeksjonsoppgavene som for tiden bruker betydelige teknikertimer.
Sikkerhet og Edge Deployment
Disse industrielle gevinstene avhenger av modellen som arbeider trygt rundt. Google DeepMind beskriver ER 1.6 som dens sikreste robotikkmodell til dags dato, med overlegen etterlevelse av motstridende romlige resonnementoppgaver sammenlignet med alle tidligere modellgenerasjoner. I følge DeepMinds interne evalueringer forbedrer Gemini Robotics-ER-modeller seg over Gemini 3.0 Flash med +6 % i tekstbasert og +10 % i videobasert skaderisikooppfatning. Ingen uavhengige benchmarks eller tredjepartsevalueringer har blitt publisert for å verifisere disse sikkerhets-og ytelsespåstandene, noe som gjør at dataene ikke er bekreftet av eksterne forskere.
Gemini Robotics-ER 1.6 forbedrer seg betydelig sammenlignet med Gemini Robotics-ER 1.5 om sikkerhetsinstruksjoner. Følgende tester evnen til å overholde fysiske sikkerhetsbegrensninger. Den forbedres sammenlignet med Gemini 3.0 Flash ved peking, og begge modellene har svært høy nøyaktighet for tekst. Gemini 3.0 Flash gjør det bedre på avgrensende bokser. (Kilde: Google)
Sikkerhet omfatter også beslutninger om fysisk manipulasjon. ER 1.6 kan bestemme hvilke gjenstander en robot bør unngå å håndtere basert på griper-eller materialbegrensninger, og nekter å plukke opp gjenstander som er tyngre enn en satt terskel eller håndtere væsker når de ikke er utstyrt for dem. Begrensningsutganger som”ikke håndter væsker”eller”ikke ta opp gjenstander tyngre enn 20 kg”gir innebygd beskyttelse i miljøer der roboter jobber sammen med menneskelige operatører. En robot utstyrt med ER 1.6 kan vurdere om en container er trygg å gripe før handlingen forsøkes, og reduserer risikoen for søl eller utstyrsskade i anlegg som kjører kontinuerlig drift.
Designet for edge-distribusjon i stedet for skyavhengig prosessering, minimerer ER 1.6 latens i sanntids robotbeslutninger. En lagerrobot har ikke råd til å vente på et skyserversvar når han navigerer rundt utstyr i bevegelse eller reagerer på en sikkerhetsrisiko. Inferens på enheten gjør autonom drift levedyktig i eksterne eller tilkoblingsbegrensede anlegg, inkludert offshoreplattformer, gruvedrift og underjordiske installasjoner der nettverksinfrastruktur kan være begrenset eller uregelmessig. Å kjøre resonnement lokalt eliminerer også avhengigheten av stabile internettforbindelser som ellers ville gjort autonom robotikk upraktisk i mange industrielle settinger.
Competitive Context og Googles Robotics Strategy
ER 1.6 representerer en resonnement-første tilnærming til robotikk AI, som kommer til en mer orientert bransjemodell. OpenAIs o1-serie har presset tankekjede-resonnement, Microsoft integrerer lignende tilnærminger i Azure AI, og Teslas Optimus-program bruker forsterkende læring. Google DeepMinds innsats er at å bygge resonnement direkte inn i persepsjonen, i stedet for å feste det på etterpå, vil produsere mer dyktige autonome roboter.
Der konkurrenter har en tendens til å skille persepsjons-og planleggingsstadiene av robotoppgaveutførelse, lar DeepMinds enhetlige tilnærming ER 1.6 resonnere om hva den ser videre innenfor samme situasjon og hva de skal gjøre. Hvorvidt det arkitektoniske valget fører til bedre ytelse i den virkelige verden, gjenstår å bevise i stor skala.
Rask utvikling har preget Googles robotteknologiske fremstøt det siste året. Google DeepMind kunngjorde først Gemini Robotics-modellene sine i mars 2025, etterfulgt av en enhetsvariant i juni 2025, og formelt delte produktlinjen opp i Gemini Robotics (VLA) og Gemini Robotics-ER (innbygget resonnement) i januar 2026. Parallelt med dette har Google konsolidert robotvirksomheten sin i mars-26-huset i Boston og tidligere Dynamic. CTO Aaron Saunders skal lede sine maskinvareambisjoner. Med Intrinsics robotprogramvare nå under samme tak og en tidligere Boston Dynamics-leder som veileder maskinvarestrategi, setter Google sammen en vertikalt integrert robotikkoperasjon som omfatter modeller, programvare og maskinvare.
Gemini Robotics-ER 1.6 er tilgjengelig for utviklere gjennom Gemini API og Google AI Studio, med en utvikler Colab som tilbyr konfigurasjonsveiledningseksempler og oppgaveløsninger. DeepMind inviterer også det bredere robotmiljøet til å sende inn feilmoduser de møter under testing, en crowdsourcing-tilnærming til å se på kantsaker som intern validering kan gå glipp av. Tidligere var tilgangen til Gemini Robotics-modeller begrenset til pålitelige testere, inkludert Agile Robots, Agility Robotics, Boston Dynamics og Enchanted Tools; ER 1.6s offentlige API-tilgjengelighet markerer et skifte mot bredere utvikleradopsjon og posisjonerer modellen som en åpen plattform for tredjeparts robotapplikasjoner i stedet for et lukket forskningsprosjekt.
